Approximate computing for high energy-efficiency in internet-of-things applications - Archive ouverte HAL
Thèse Année : 2019

Approximate computing for high energy-efficiency in internet-of-things applications

Calcul approximatif à haute efficacité énergétique pour des applications de l’IoT

Résumé

Approximate computing explores methods to trade-off the quality of result and the computation costs, e.g. energy consumption. One of the proposed methods is to reduce the width of the computation units. To date, such units have been mostly evaluated separately, i.e. not evaluated in a complete application. In this thesis, we evaluate the global energy reduction vs quality of output trade-offs of applications. These applications are executed on a RISC-V processor extended with reduced width computation and memory units. In these units, only a number of most significant bits, configurable at runtime, is active. The results indicate in average that the energy can be reduced by up to 14% for an error ≤ 0.1%. Moreover we propose a generic energy model that indicates that both software parameters (e.g. fraction of approximable code) and hardware architecture ones (e.g. degree of approximation) impact the applications energy reduction.
Le calcul approximatif est l’une des solutions proposées pour trouver un compromis entre la qualité de résultat et les coûts de calcul, p. ex. l’énergie consommée. L’une des méthodes proposées est la réduction de la taille des unités de calcul. Cependant, la plupart de ces unités sont évaluées séparément, c.-à-d. elles ne sont pas évaluées sur une application complète. Dans cette thèse, nous avons étudié le compromis entre la réduction d’énergie globale et la qualité de sortie des applications. Ces applications sont exécutées sur un processeur RISC-V étendu avec des unités à taille réduite pour le calcul et pour l’accès à la mémoire de données. Ces unités sont configurables au moment de l’exécution. Les résultats indiquent qu’en moyenne la consommation d’énergie peut être réduite jusqu’à 14% pour une erreur ≤ 0.1%. De plus, nous avons proposé un modèle d’énergie générique qui indique qu’à la fois les paramètres logiciels (p.~ex. la fraction de code approximable) et architecturaux (p. ex. le degré d’approximation) ont un impact sur la réduction globale d’énergie des applications.
Fichier principal
Vignette du fichier
These_NDOUR_Genevieve.pdf (2.42 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02292988 , version 1 (20-09-2019)
tel-02292988 , version 2 (22-11-2019)

Identifiants

  • HAL Id : tel-02292988 , version 1

Citer

Geneviève Ndour. Approximate computing for high energy-efficiency in internet-of-things applications. Hardware Architecture [cs.AR]. Université Rennes 1, 2019. English. ⟨NNT : ⟩. ⟨tel-02292988v1⟩
643 Consultations
825 Téléchargements

Partager

More